[發明專利]一種非侵入式負荷分解方法及系統

有效

• 申請號: 201810666298.8
• 申請日: 2018-06-26
• 公開（公告）號: CN108847665B
• 公開（公告）日: 2020-04-28
• 發明（設計）人: 翟明岳;王成建
• 申請（專利權）人: 廣東石油化工學院
• 主分類號: H02J3/00
• 分類號: H02J3/00
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 王戈

1.一種非侵入式負荷分解方法，其特征在于，所述方法包括：

獲取各負荷處于穩定狀態時的電流數據；

將所述電流數據量化分析，建立量化監測值的概率分布；

根據所述概率分布識別各負荷狀態；

將各所述負荷狀態進行組合，構成組合狀態；

根據所述各負荷處于穩定狀態時的電流數據以及所述組合狀態，分析出所述組合狀態轉變時的相關性，以及所述組合狀態與總電流量監測值間的關聯性，創建馬爾可夫模型；

將馬爾可夫模型中的稀疏矩陣壓縮，得到壓縮向量；

根據所述壓縮后的稀疏矩陣結合數據查詢算法和改進的維特比算法分解出各負荷所處于的運行狀態；

所述將馬爾可夫模型中的稀疏矩陣壓縮，得到壓縮向量具體包括：

1)創建一個空的行向量V以及用于計數的變量r，r＝0；

2)獲取馬爾可夫模型中的稀疏矩陣；

3)從第0列開始判斷所述稀疏矩陣中的元素值是否為正數，得到第三判斷結果，當第三判斷結果表示所述元素值為正數時，將所述元素值添加到所述行向量V中；

4)若第三判斷結果表示所述元素值不是正數時，變量r計數加1，直到讀取到下一個正數或矩陣末尾，取r的負值添加到所述行向量V中；

5)重復所述步驟3)和步驟4)直到所述稀疏矩陣數據讀取結束。

2.根據權利要求1所述的一種非侵入式負荷分解方法，其特征在于，所述獲取各負荷處于穩定狀態時的電流數據具體包括：

通過為各負荷配備傳感器來獲取各負荷處于穩定狀態時的電流數據。

3.根據權利要求1所述的一種非侵入式負荷分解方法，其特征在于，所述數據查詢算法具體包括從壓縮后的行向量V中查詢所述稀疏矩陣i列中的正數數據和從壓縮后的行向量V中查詢所述稀疏矩陣i行j列的數據；

所述從壓縮后的行向量V中查詢所述稀疏矩陣i列中的正數數據具體包括：

創建變量a，a＝0和包含兩個列向量的矩陣H；

從首元素開始讀取所述行向量V中的數據；

判斷所述數據是正數還是負數，得到第五判斷結果，當第五判斷結果表示所述數據為負數時，將所述讀取到的數據取絕對值加給所述變量a，之后判斷變量a是否滿足a＜T×(i+1)，得到第六判斷結果，若第六判斷結果表示變量a滿足a＜T×(i+1)時，繼續從行向量V中讀取數據，當a≥T×(i+1)時，數據讀取結束；

當第五判斷結果表示所述數據是正數時，變量a加1，之后判斷變量a是否滿足a＞T×i且a≤T×(i+1)，得到第八判斷結果，若第八判斷結果表示變量a滿足a＞T×i且a≤T×(i+1)時，表示所述數據在所述稀疏矩陣中的(a-T×i-1)行i列，將(a-T×i-1)和所述數據添加到所述矩陣H中；

繼續從所述行向量V中讀取數據，直到a≥T×(i+1)；

所述從壓縮后的行向量V中查詢所述稀疏矩陣i行j列的數據具體包括：

創建變量b＝0；

從首元素開始讀取所述行向量V中的數據；

判斷所述數據是正數還是負數，得到第九判斷結果，若第九判斷結果表示所述數據為負數時，取所述負數的絕對值加給所述變量b,之后判斷變量b是否滿足b≥T×j+i+1，得到第十判斷結果，若第十判斷結果表示變量b滿足b≥T×j+i+1時，所求i行j列的數據為0；

若第九判斷結果表示所述數據是正數時，所述變量b加1，進一步判斷所述變量b是否滿足b＝T×j+i+1，若變量b滿足b＝T×j+i+1，所述正數為所求i行j列的數據。

4.根據權利要求1所述的一種非侵入式負荷分解方法，其特征在于，所述改進的維特比算法具體包括：

P_t[j]為t時刻為組合狀態j的概率，A[i,j]表示在t-1時刻組合狀態為i的條件下，t時刻組合狀態為j的概率；B[j,y_t]表示t時刻組合狀態為j的條件下，實際監測到的量化監測值為y_t的概率，P₀為初始時刻各組合狀態的額定概率構成的長度為T的行向量。

5.一種非侵入式負荷分解系統，其特征在于，所述系統包括：

電流數據獲取模塊，用于獲取各負荷處于穩定狀態時的電流數據；

概率分布獲取模塊，用于將所述電流數據量化分析，建立量化監測值的概率分布；

負荷狀態獲取模塊，根據所述概率分布識別各所述負荷狀態；

組合狀態獲取模塊，將各所述負荷狀態進行組合，構成組合狀態；

馬爾可夫模型獲取模塊，用于根據所述各負荷處于穩定狀態時的電流數據以及所述組合狀態，分析出所述組合狀態轉變時的相關性，以及所述組合狀態與總電流量監測值間的關聯性，創建馬爾可夫模型；

壓縮向量獲取模塊，用于將馬爾可夫模型中的稀疏矩陣壓縮，得到壓縮向量；

運行狀態獲取模塊，用于根據所述壓縮后的稀疏矩陣結合數據查詢算法和改進的維特比算法分解出各負荷所處于的運行狀態。